Summary  
This chapter covers how a C‐backed array library enables fast numerical operations and uses vectorization to operate on entire arrays at once for performance gains.

General domain of usage  
Numerical computing

データがあふれる現代において、行列や配列を扱うことは非常に重要です。そこで役立つのが **NumPy** です。高速な処理能力と比較的使いやすいインターフェースにより、配列操作において**最も利用されている**Pythonライブラリとなっています。

次に、NumPyの高速性とその理由について説明します。NumPyはPythonライブラリでありながら、その大部分が**C言語**で記述されており、これにより高速な計算が可能となっています。

さらに、NumPyの高速性に寄与しているのが**ベクトル化**です。ベクトル化とは、アルゴリズムを1つの値ごとに処理するのではなく、**複数の値（ベクトル）**を一度に処理するよう変換することであり、これはCPUレベルで内部的に実行されます。

import unittest
import importlib.util
import re

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestUserCode(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        # Завантажуємо код користувача
        spec = importlib.util.spec_from_file_location("user_code", "user_code.py")
        cls.m = importlib.util.module_from_spec(spec)
        spec.loader.exec_module(cls.m)

        # Зчитуємо сирцевий код
        with open("user_code.py", "r", encoding="utf-8") as f:
            cls.src = f.read()

    def test_numpy_import(self):
        # Перевірка, що numpy імпортовано з псевдонімом np
        has_np = "np" in dir(self.m)
        pat_alias = re.search(r"import\s+numpy\s+as\s+np", self.src)
        _dynamic_test(
            self,
            has_np and pat_alias,
            "NumPy imported correctly as np",
            "NumPy import alias incorrect or missing"
        )

if __name__ == "__main__":
    unittest.main()


test_code.py

NumPyを使用した数値計算のための基本的なスキルを習得します。NumPy配列の操作、多次元データの作成と操作、インデックス指定とスライスの適用、ベクトル化演算の実行、配列の形状変更、ブロードキャストの利用、基本的な線形代数手法の適用方法を学びます。本コースはデータ分析業務で一般的に使用される実践的な操作に焦点を当てています。

NumPyの紹介

解答